基于V2G的车载电能云调度与仿真
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 V2G及其架构研究 | 第15页 |
| 1.2.2 电动汽车调度 | 第15-16页 |
| 1.2.3 能源互联网 | 第16-17页 |
| 1.2.4 V2G仿真 | 第17-18页 |
| 1.3 论文主要研究内容 | 第18-20页 |
| 1.3.1 论文创新点 | 第18-19页 |
| 1.3.2 论文结构安排 | 第19-20页 |
| 第二章 车载电能云 | 第20-30页 |
| 2.1 车载电能云概念 | 第20-24页 |
| 2.1.1 能源互联网与云计算 | 第20-22页 |
| 2.1.2 V2G与能源互联网 | 第22页 |
| 2.1.3 何为车载电能云 | 第22-24页 |
| 2.2 车载电能云资源特性 | 第24-26页 |
| 2.2.1 容量特性 | 第24-25页 |
| 2.2.2 接入特性 | 第25-26页 |
| 2.2.3 成本特性 | 第26页 |
| 2.3 车载电能云调度 | 第26-27页 |
| 2.4 论文后续研究 | 第27-29页 |
| 2.4.1 问题描述 | 第27-28页 |
| 2.4.2 解决思路 | 第28页 |
| 2.4.3 拟采取的技术方案 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 改良粒子群膜算法（MPSOPS） | 第30-47页 |
| 3.1 基础算法介绍 | 第30-36页 |
| 3.1.1 粒子群算法 | 第30-34页 |
| 3.1.2 基于膜计算的粒子群算法 | 第34-36页 |
| 3.2 改良粒子群膜算法 | 第36-46页 |
| 3.2.1 改进粒子群算法（IPSO） | 第37-42页 |
| 3.2.2 改良粒子群膜算法（MPSOPS） | 第42-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 基于MPSOPS的车载电能云调度 | 第47-58页 |
| 4.1 调度模型 | 第47-54页 |
| 4.1.1 接入模型 | 第48-50页 |
| 4.1.2 容量模型 | 第50-53页 |
| 4.1.3 成本模型 | 第53-54页 |
| 4.2 目标函数 | 第54-55页 |
| 4.3 约束条件 | 第55-56页 |
| 4.4 调度算法 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 调度算法的仿真与验证 | 第58-74页 |
| 5.1 V2GSimulator仿真平台 | 第58-63页 |
| 5.1.1 V2GSimulator概述 | 第58-59页 |
| 5.1.2 V2GSimulator系统构成 | 第59-60页 |
| 5.1.3 节点协议栈 | 第60-61页 |
| 5.1.4 应用层模块设计 | 第61-62页 |
| 5.1.5 事件与报文机制 | 第62-63页 |
| 5.2 仿真算例 | 第63-73页 |
| 5.2.1 场景 1：电动汽车响应楼宇负荷 | 第63-70页 |
| 5.2.2 场景 2：电动汽车响应小区负荷 | 第70-71页 |
| 5.2.3 场景 3：电动汽车响应城市负荷 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 后续工作展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间取得的成果 | 第81-82页 |
